Tensorflow 无法初始化批量归一化层答案

【问题标题】：Tensorflow fails to initialize batch normalization layerTensorflow 无法初始化批量归一化层
【发布时间】：2019-06-16 01:17:26
【问题描述】：

我在 conda 环境中的 GPU 上运行 Tensorflow 1.12。我有几个批处理规范层作为以这种方式定义的卷积块的一部分：

Conv=lambda NumFilter, Input, FilterSize=PARAMS['FilterSize'] : tf.layers.conv2d(Input, NumFilter, FilterSize, strides=1, activation=None, padding='SAME', use_bias=True, kernel_initializer=PARAMS['KernelInit'])

def OneConv(layer,FilterNum,FilterSize,training):
    activate=tf.nn.relu(layer)
    norm=tf.layers.batch_normalization(activate,axis=-1,training=training)
    conv=Conv(FilterNum,norm,FilterSize)
    return conv

def ConvBlock(BlockInput,name, FilterNum, training):
    with tf.name_scope(name):

        conv1=OneConv(BlockInput,FilterNum,PARAMS['FilterSize'],training)
        conc1=tf.concat([BlockInput,conv1],axis=-1)

        conv2=OneConv(conc1,FilterNum,PARAMS['FilterSize'],training)
        conc2=tf.concat([BlockInput,conv1,conv2],axis=-1)

        BlockOut=OneConv(conc2,FilterNum,1,training)

        return BlockOut

我用它来构建 Forward 功能。每当我尝试使用以下方法测试网络时：

X=tf.Variable(np.random.randn(1,128,128,1),dtype=tf.float32)

init=tf.global_variables_initializer()
test=Forward(X)

with tf.Session() as sess:
    init.run()
    print(test.eval())

我收到一个错误：

FailedPreconditionError（参见上文的回溯）：尝试使用未初始化的值 BatchNorm_12/beta [[节点BatchNorm_12/beta/read（定义在/home/riccardo/.anaconda3/envs/Tenso/lib/python3.6/site-packages/tensorflow/contrib/framework/python/ops/variables.py:277）= IdentityT=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:GPU:0"]] [[{{node ConvBlockUp1_1/conv2d_2/BiasAdd/_7}} = _Recvclient_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/副本：0/任务：0/设备：GPU：0"，send_device_incarnation=1，张量名称="edge_520_ConvBlockUp1_1/conv2d_2/BiasAdd"，张量类型=DT_FLOAT，_device="/job:localhost/replica:0/task:0/device :CPU:0"]]

我不太明白为什么全局初始化程序无法初始化批处理规范层，我还尝试将批处理规范参数的特定初始化程序传递给 tf.layers.batch_normalization 但它没有改变任何东西。知道我缺少什么吗？

【问题讨论】：

标签： python-3.x tensorflow

【解决方案1】：

您需要在创建模型之后创建变量初始化器。试试：

X=tf.Variable(np.random.randn(1,128,128,1),dtype=tf.float32)

test=Forward(X)
init=tf.global_variables_initializer()

with tf.Session() as sess:
    init.run()
    print(test.eval())

【讨论】：

是的，做到了，谢谢！我什至没有在寻找那么简单的东西。